基于改进蛙跳算法的小波神经网络短期电力负荷预测研究

发布时间：2023-01-30 13:39

　　近年来,经济社会的快速发展使电力系统面临着越发严峻的挑战。电力系统的安全调度和社会的正常生产与电力负荷预测（STLF）的准确程度直接相关。目前,很多学者将小波神经网络应用到电力负荷预测中,取得了较好的效果。但预测精度还不能满足实际应用的需要,因此,本文针对该问题,将小波神经网络与混合蛙跳算法结合进行了电力负荷预测研究。首先,本文从电力负荷数据的混沌特性出发,用C-C法求出该时间序列的嵌入维数m和时间延迟τ,来对实际负荷数据进行相空间重构。通过此方法来获得该时间序列中隐藏的更多有用信息。并对数据进行了归一化处理来加快算法的收敛速度。其次,本文用实际电力负荷数据进行了基于梯度下降算法的小波神经网络（Wavelet Neural Network,WNN）短期电力负荷预测仿真实验,结果表明,小波神经网络预测模型可以取得比较好的效果,但仍有改进空间。再次,针对小波神经网络中梯度下降算法对初值敏感,容易陷入局部最优的问题。分别提出了两种改进算法,一种是在梯度下降算法中加入自适应学习率和惩罚项,即IWNN;另一种则采用混合蛙跳算法（Shuffled Frog Leaping Algorithms,S... 

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 短期电力负荷预测的国内外研究现状
        1.2.2 混沌时间序列在电力负荷预测中的研究现状
    1.3 本文主要内容及结构安排
第2章 电力负荷预测的相关理论基础
    2.1 混沌理论的产生和发展
    2.2 混沌时间序列
        2.2.1 混沌的定义及特征
        2.2.2 混沌时间序列
    2.3 短期电力负荷预测数据来源
    2.4 电力负荷时间序列的相空间重构
        2.4.1 相空间重构理论
        2.4.2 相空间重构中参数的选取方法
        2.4.3 短期电力负荷预测相空间重构仿真实例
    2.5 本章小结
第3章 基于WNN的短期电力负荷预测设计及仿真
    3.1 小波神经网络相关理论
        3.1.1 人工神经网络
        3.1.2 小波神经网络
    3.2 小波神经网络预测算法
        3.2.1 预测模型构建思路
        3.2.2 小波神经网络结构的确定
        3.2.3 小波函数的确定
        3.2.4 小波神经网络学习算法
    3.3 基于WNN的短期电力负荷预测仿真与分析
        3.3.1 短期电力负荷预测评价指标
        3.3.2 基于WNN的短期电力负荷预测算法步骤
        3.3.3 基于WNN的短期电力负荷预测实例仿真与分析
    3.4 本章小结
第4章 基于SFLA的小波神经网络短期电力负荷预测
    4.1 带惩罚项和自适应学习率的小波神经网络
        4.1.1 惩罚项简介
        4.1.2 自适应学习率
    4.2 基于IWNN的短期电力负荷预测实例仿真
    4.3 混合蛙跳算法简介
        4.3.1 混合蛙跳算法原理及数学模型
        4.3.2 SFLA算法流程
    4.4 基于SFLA-WNN的短期电力负荷预测
        4.4.1 基于SFLA-WNN的短期电力负荷预测实现步骤
        4.4.2 基于SFLA-WNN的短期电力负荷预测仿真及分析
    4.5 本章小结
第5章 基于CSFLA-WNN的短期电力负荷预测
    5.1
        5.1.1 基于IWNN的混合蛙跳算法初始种群构造
        5.1.2 基于自适应移动因子的局部搜索策略
        5.1.3 CSFLA算法流程
    5.2 改进混合蛙跳算法性能测试仿真
        5.2.1 测试函数的选取
        5.2.2 仿真结果与分析
    5.3 基于CSFLA-WNN的短期电力负荷预测
        5.3.1 基于CSFLA-WNN的短期电力负荷预测步骤
        5.3.2 基于CSFLA-WNN的短期电力负荷预测仿真及分析
    5.4 本章小结
结论
致谢
参考文献


【参考文献】：
期刊论文
[1]BP与小波神经网络短时交通流预测对比研究[J]. 王健,孙结松.  科技视界. 2014(24)
[2]基于FHNN相似日聚类自适应权重的短期电力负荷组合预测[J]. 牛东晓,魏亚楠.  电力系统自动化. 2013(03)
[3]改进的混合蛙跳算法[J]. 葛宇,王学平,梁静.  计算机应用. 2012(01)
[4]浅析电力系统负荷的混沌预测方法[J]. 贺志强,张洪萍,冯平,蔡环宇,秦志强.  四川建筑. 2011(01)
[5]混合蛙跳算法的Markov模型及其收敛性分析[J]. 骆剑平,李霞,陈泯融.  电子学报. 2010(12)
[6]用PSO优化BP神经网络的母线负荷预测方法[J]. 彭信淞,贺辉,姚建刚,钟立军,梁文举,王建.  电力系统及其自动化学报. 2010(05)
[7]电力系统暂态保护中小波基的选择与应用[J]. 杨淑英,王丽宏,杜荣华,苏涛.  电力系统及其自动化学报. 2008(05)
[8]基于EMD方法的混沌时间序列预测[J]. 杨永锋,任兴民,秦卫阳,吴亚锋,支希哲.  物理学报. 2008(10)
[9]粒子群算法在小波神经网络中的应用[J]. 岑翼刚,秦元庆,孙德宝,李宁.  系统仿真学报. 2004(12)
[10]基于小波分解和人工神经网络的短期负荷预测[J]. 徐军华,刘天琪.  电网技术. 2004(08)

博士论文
[1]时间序列中的混沌判定、预报及其在电力系统中的应用[D]. 杨正瓴.天津大学 2003

硕士论文
[1]基于混沌时间序列的短期负荷预测研究[D]. 郭杰昊.上海交通大学 2015
[2]基于混沌和小波神经网络的短时交通流预测方法研究[D]. 金玉婷.西南交通大学 2014
[3]混合蛙跳算法研究[D]. 马平莉.西安电子科技大学 2013
[4]基于混沌和小波神经网络的短期电力负荷预测方法研究[D]. 刘奎.西南交通大学 2012
[5]短期电力负荷的小波神经网络预测[D]. 陈标.湖南大学 2012
[6]基于改进粒子群—小波神经网络的预测模型及其应用研究[D]. 陈彩霞.华中师范大学 2011
[7]基于改进蛙跳算法的多目标优化问题研究[D]. 王晓笛.湖南师范大学 2011
[8]粒子群算法优化小波神经网络控制器[D]. 费磊.哈尔滨理工大学 2011
[9]优化问题的几种智能算法[D]. 赵鹏军.西安电子科技大学 2009



本文编号：3733121